III.10Проекты, процессы и операционное управление

zelk12/MT5-Gen5-MA-gemma-2-MTg2MT2-9B — объединённая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-gemma-2-9B и zelk12/MT2-gemma-2-9B. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; в метаданных указана поддержка chat и контекст до 8192 токенов. Модель принимает текст и генерирует текст, работает через Transformers и распространяется в формате safetensors. Модель подходит для ведения диалога и создания текстовых ответов. Карточка не сообщает о специализированной предметной области или конкретных языках; поэтому её следует рассматривать как модель общего назначения. Известные ограничения качества, лицензия и специальные условия использования в предоставленных данных не описаны.

zelk12/MT5-Gen5-MUMM-gemma-2-9B — текстовая языковая модель, созданная разработчиком репозитория объединением двух предварительно обученных моделей семейства Gemma 2. Для объединения использован метод SLERP через mergekit; веса представлены в формате Safetensors. Модель предназначена для генерации текста и диалогового общения. Модель содержит 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. В карточке не приведены сведения о целевых языках, конкретных сценариях настройки или специализированных областях применения, поэтому её можно характеризовать только как модель общего назначения. Лицензия в предоставленных данных не указана.

zelk12/MT5-MM-gemma-2-Rv0.4Av4c-9B — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v4c-9B. Модель предназначена для генерации текста и общения в чате; работает с текстовым вводом и выдаёт текст. Контекстное окно составляет 8192 токена, веса доступны в формате safetensors. Карточка не приводит отдельные сведения о языковой специализации, поэтому модель можно описать как универсальную диалоговую. Указана лицензия Apache 2.0 в метаданных? Нет, лицензия не предоставлена; условия использования следует проверять у базовых моделей и владельца репозитория.

MythoMist-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и Gryphe/MythoMist-7b методом SLERP с помощью MergeKit. В репозитории указаны веса в формате safetensors и точность bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоге и ответов на инструкции. Её можно применять для чат-ботов, черновиков текстов, ответов на вопросы и творческого письма. Карточка не указывает специальные языки или предметные области. Модель распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_NeuralsirkrishnaM7 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/NeuralsirkrishnaM7-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель принимает текст и выдаёт текст. В карточке не описаны специализированные области применения или языки. Лицензия — Apache 2.0.

Noro-Hermes-3x7B — диалоговая модель с архитектурой смеси экспертов (MoE), собранная ThomasComics с помощью LazyMergekit из NousResearch/Nous-Hermes-2-Mistral-7B-DPO, NeverSleep/Noromaid-7B-0.4-DPO и mistralai/Mistral-7B-Instruct-v0.2. В модели 7,1 млрд параметров, она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для общения с пользователем. Эксперты настроены на роль интеллектуального помощника, творческого помощника для ролевых сценариев и универсального помощника. Модель подходит для диалогов, ответов на инструкции и творческого ролевого письма. Распространяется в формате Safetensors по лицензии Apache-2.0.

Orpomis-Prime-7B-it — диалоговая языковая модель, созданная saucam с помощью Mergekit из kaist-ai/mistral-orpo-beta, NousResearch/Hermes-2-Pro-Mistral-7B и mistralai/Mistral-7B-Instruct-v0.2. Это плотная модель семейства Mistral с 7,1 млрд параметров; веса опубликованы в формате safetensors, контекст составляет до 32 768 токенов. Модель предназначена для генерации текста в диалоге и ответов на инструкции. Её можно использовать для чат-ботов, ответов на вопросы и написания текстов по запросу; README показывает запуск через Transformers и шаблон чата. В карточке не заявлена специализация на конкретном языке или предметной области. Качество ответов и поведение могут различаться в зависимости от запроса и параметров генерации; README не приводит результатов оценки. Условия лицензии в предоставленных данных не указаны.

pjev-2b — компактная модель для типизированных решений, разработанная Kailune-AI и дообученная на базе openbmb/MiniCPM5-2B. Она принимает текстовые свидетельства, вопрос и заданный пользователем список вариантов, а затем за один проход возвращает вероятности для этих вариантов. Модель использует выходной слой базовой LlamaForCausalLM: отдельная голова решений не добавлена, а адаптер объединён с весами. Репозиторий содержит самостоятельные веса, токенизатор и файл калибровки; поддерживаются Transformers и контекст до 131 072 токенов. Модель предназначена для маршрутизации запросов, классификации, проверок по политикам и ответов «да/нет» с чёткими критериями. Вероятности вычисляются через softmax логитов букв вариантов; до 26 вариантов оцениваются совместно, для большего числа используется приближённый турнирный механизм. При нескольких вопросах об одном наборе свидетельств общий префикс можно обработать один раз. В опубликованном README приведены результаты на публичной части JevBench: высокая точность на простых примерах и средняя — на сложных; это не официальный полный рейтинг и не оценка закрытой части набора. Указана ошибка калибровки ECE 0,120 на сложном уровне. Модель всегда распределяет вероятность между предложенными вариантами, не умеет воздерживаться и оценивалась только на английском языке. Лицензия репозитория — Apache-2.0.

Карточка модели homeb82784/Qwen2-7B-Instruct-it-v1.0 на Hugging Face совпадает с карточкой homeb82784/Qwen2-7B-Instruct-it-v1.1, поэтому описание составлено по ней. Qwen2-7B-Instruct-it-v1.1 — дообученная чат-модель, разработанная homeb82784 на базе unsloth/qwen2-7b-instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

jeiku/qwen2base — слитая с помощью LazyMergekit модель на архитектуре Qwen2, объединяющая maywell/Qwen2-7B-Multilingual-RP и jeiku/qwen2-1 методом slerp. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; файлы опубликованы в формате safetensors. Мультиязычный базовый компонент рассчитан на общение и генерацию текста. Карточка не уточняет поддерживаемые языки, сравнительное качество слияния или специальные предметные области. Лицензия в доступных сведениях не указана.

Инструктивная русскоязычная версия Qwen2.5-3B, разработанная RefalMachine на основе модели RefalMachine/ruadapt_qwen2.5_3B_ext_u48_full_lr5e4_peft_mlp_32_32_bs256. Это плотная языковая модель Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. В модели заменили токенизатор на расширенный вариант cl100k с униграмным словарём на 48 тысяч токенов, затем провели дообучение на русскоязычном корпусе и применили Learned Embedding Propagation (LEP). Модель предназначена для диалогов и генерации русскоязычного текста по инструкциям. Авторы сообщают об увеличении скорости генерации русских текстов до 60% относительно исходной Qwen2.5-3B-Instruct при сравнении на одинаковых последовательностях; в README также упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но полные результаты не приведены. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его применение. Модель принимает текст и выдаёт текст. Авторы предупреждают, что ответы могут отражать знания и мнения, усвоенные на этапах обучения, и рекомендуют использовать её с осторожностью. Условия лицензии в предоставленных данных не указаны.

ehristoforu/rufalcon3-3b-it — языковая модель для генерации текста и диалогов, созданная ehristoforu дообучением tiiuae/Falcon3-3B-Instruct. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 2,8 млрд параметров; веса доступны в формате safetensors. Она рассчитана на контекст до 32 768 токенов. Модель подходит для диалогового взаимодействия и генерации ответов по текстовым запросам. В карточке указаны обучение с Unsloth и TRL и лицензия Apache-2.0. Язык, отмеченный в метаданных самой модели, — английский; базовая модель также описана как поддерживающая французский, испанский и португальский языки.

d0rj/ru-mbart-large-summ — модель суммаризации на базе ru-bart-large, созданной как уменьшенная версия facebook/mbart-large-50 с эмбеддингами только для русского и английского языков. Модель дообучена на объединённых обучающих выборках из датасетов d0rj/samsum-ru, IlyaGusev/gazeta, zjkarina/matreshka, rcp-meetings/rudialogsum_v2, GEM/wiki_lingua и mlsum; размер обучающей выборки составил 155 678 примеров. Модель предназначена для сокращения текстов, в том числе новостных материалов и диалогов. Это плотная encoder-decoder архитектура mBART с 226,2 млн параметров и контекстом до 1024 токенов; в репозитории доступны веса PyTorch и safetensors. В README приведён пример использования через pipeline Transformers с задачей summarization. Лицензия — MIT. В README указано, что оценка проводилась на части объединённых validation-наборов, однако численные результаты и подробное описание метрик недоступны в карточке; отчёт обозначен как незавершённый.

SmartLlama-3-8B-MS-v0.1 — объединённая модель генерации текста семейства Llama 3, собранная Kukedlc с помощью LazyMergekit из четырёх моделей: Locutusque/llama-3-neural-chat-v1-8b, cloudyu/Meta-Llama-3-8B-Instruct-DPO, cognitivecomputations/dolphin-2.9-llama3-8b и abacusai/Llama-3-Smaug-8B. В конфигурации указан метод слияния model_stock и формат bfloat16; модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, написания черновиков и ведения многоходового чата. Карточка не уточняет поддерживаемые естественные языки и специализированные области применения. Лицензия указана как other, поэтому условия использования следует проверять в репозитории и у авторов исходных моделей. Доступные сведения не содержат сравнительных оценок качества или подробных ограничений поведения; результат зависит от запроса и сценария применения.

bhavinjawade/SOLAR-10B-OrcaDPO-Jawade — инструкционно дообученная разговорная языковая модель на архитектуре Llama с 10,6 млрд параметров. Автор карточки сообщает, что модель основана на upstage/SOLAR-10.7B-Instruct-v1.0 и дополнительно обучена методом DPO с LoRA на датасете Intel/orca_dpo_pairs. Модель предназначена для диалогов и генерации ответов на инструкции. В карточке заявлено небольшое улучшение результатов на бенчмарках OpenLLM Leaderboard по сравнению с SOLAR 10.7B-Instruct; подробности оценки не приведены. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

Solstice-70b — объединённая автором tdot604 языковая модель для генерации текста и диалоговых ответов. Она создана методом TIES с помощью mergekit на основе tdot604/Hazy-Llama-70b с включением TheDrummer/Moist-Miqu-70B-v1.1; в конфигурации указаны веса 0,8 и 0,2 соответственно. Модель использует плотную архитектуру Llama с классом LlamaForCausalLM, содержит 69,5 млрд параметров и работает с контекстом до 8192 токенов. Модель подходит для ведения диалогов и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Transformers. В метаданных не указаны языки обучения или специализация на конкретной предметной области. Сведения о лицензии в предоставленных данных отсутствуют.

Synthia-70B-v1.2b — языковая модель от SynthIA, созданная на базе Llama 2 70B и дообученная на данных в стиле Orca. Она предназначена для выполнения инструкций, диалогов и генерации развёрнутых текстовых ответов. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Карточка приводит результаты оценки на ARC Challenge и HellaSwag. Модель принимает текст и генерирует текст на английском языке. Автор характеризует её как uncensored и предупреждает о возможности ошибочных, предвзятых, оскорбительных или неподходящих ответов; результаты следует проверять. Лицензия — Llama 2.

T3qm7xNeuralsirkrishna_Inex12Strangemerges_30 — объединённая модель для генерации текста, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Inex12Strangemerges_30-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовым запросам. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают её специализацию по языкам или конкретным областям применения, поэтому её следует рассматривать как модель общего назначения.

v1olet_marcoroni-go-bruins-merge-7B-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная путём слияния весов Mistral-7B-Instruct-v0.1 и v1olet/v1olet_marcoroni-go-bruins-merge-7B методом SLERP. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и диалоговые запросы на английском языке. Лицензия Apache-2.0 допускает использование, изменение и распространение в соответствии с её условиями. Карточка не приводит сравнительных оценок качества или результатов тестирования.

Wernicke-7B-v8 — объединённая модель на 7,1 млрд параметров, созданная CultriX с помощью LazyMergekit на основе четырёх моделей: kaitchup/Mayonnaise-4in1-022, macadeliccc/WestLake-7B-v2-laser-truthy-dpo, vanillaOVO/supermario_v2 и FelixChao/WestSeverus-7B-DPO-v2. Это плотная Mistral-архитектура для авторегрессионной генерации текста, в том числе диалогов и ответов на запросы. Модель принимает текст и генерирует текст. Размер контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Языки и специализированные предметные области в доступных данных не определены. Модель подходит для диалоговых интерфейсов, генерации текстовых ответов и продолжения текста. Качество и поведение объединённой модели могут зависеть от конкретного запроса; сравнительные оценки и подробные сведения об обучении в карточке не приведены.

Zamba2-1.2B-instruct — разговорная модель Zyphra для генерации текста и выполнения инструкций. Она создана дообучением Zamba2-1.2B: сначала на наборах инструкций и диалогов, затем с оптимизацией предпочтений методом DPO. В карточке указана гибридная архитектура Mamba2 и Transformer с общими слоями внимания и дополнительными LoRA-матрицами; метаданные относят модель к семейству Zamba2 и указывают 2,6 млрд параметров, формат safetensors и контекст 4096 токенов. Модель рассчитана на ответы на запросы и многоходовые беседы. В карточке сообщается о хороших результатах в следовании инструкциям и низкой задержке генерации; для запуска рекомендуются оптимизированные ядра Mamba2, иначе возрастают задержка и расход памяти. Реализация для Hugging Face обозначена как временная и может быть несовместима с некоторыми инструментами и фреймворками. Лицензия — Apache-2.0.

Карточка модели caliex/zephyr-Saul-Base-7b-merged на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

ALAN — объединённая языковая модель на основе Microsoft Phi-4 и huihui-ai/phi-4-abliterated, созданная автором репозитория с помощью mergekit методом SLERP. Модель использует архитектуру Phi-3 для причинной генерации текста, содержит 14,1 млрд параметров и поддерживает контекст длиной до 16 384 токенов. Модель предназначена для генерации текста и диалогового общения. Сведения о лицензии в предоставленных данных отсутствуют.

Alpaca-Llama-3-8B — текстовая генеративная модель, созданная akumaburn путём дообучения unsloth/llama-3-8b-bnb-4bit на наборе yahma/alpaca-cleaned. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, представленная в формате safetensors и рассчитанная на контекст до 8192 токенов. Для запросов используется формат Alpaca. Модель предназначена для генерации ответов и выполнения инструкций на естественном языке. Её можно применять для диалогов, ответов на вопросы, объяснений и черновиков текста. В карточке приведены результаты тестов на нескольких бенчмарках, однако они не гарантируют качество в конкретных сценариях; обучение описано как один проход по 51 760 примерам. Основной язык в метаданных — английский. Лицензия модели — Apache-2.0. Карточка не описывает специальных механизмов безопасности или гарантии качества, поэтому результаты следует проверять перед использованием в критичных задачах.

Blur-7b-slerp-v1.46 — языковая модель семейства Mistral, созданная объединением моделей liminerity/merge и bardsai/jaskier-7b-dpo-v5.6 методом SLERP с помощью mergekit. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка приводит результаты оценивания на бенчмарках рассуждений и понимания текста, но не описывает конкретные языки или специализированные области применения.

Sakalti/Calme-3.2-fp16 — модель генерации текста на основе архитектуры Qwen2, созданная объединением весов с помощью mergekit и метода TIES. В README указано, что в качестве базовой использована MaziyarPanahi/calme-3.2-instruct-78b; метаданные связывают её с дообучением этой модели. Размер составляет 76,7 млрд параметров, формат весов — safetensors, точность — float16, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста общего назначения. Она принимает текст и выдаёт текст; поддержка чата указана в метаданных. Описание базовой модели характеризует её как экспериментальную дообученную модель на базе Qwen2.5-72B для англоязычных диалогов и генерации текста, но языковая специализация данной версии отдельно не подтверждена. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты. Объединение выполнено с весом 1 для базовой модели; README не перечисляет другие модели-участники.

CollAIborate4x7B — разговорная модель генерации текста от collaiborate-tech, построенная как смесь экспертов (MoE) из дообученных моделей общего назначения на базе Mistral. Она предназначена для диалогов и генерации ответов на текстовые запросы. В метаданных указаны архитектура MixtralForCausalLM, 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет состав экспертов, языки обучения и результаты оценки качества, поэтому её пригодность для конкретных сценариев следует проверять на собственных запросах.

jaspionjader/f-3-8b — объединённая языковая модель семейства Llama, созданная автором репозитория методом SLERP с помощью mergekit. В объединение вошли jaspionjader/Kosmos-EVAA-mix-v35-8B и jaspionjader/f-2-8b; итоговая модель содержит 7,5 млрд параметров и использует архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и генерирует текст; заявленная длина контекста составляет 8192 токена. Веса доступны в формате safetensors для библиотеки Transformers. Карточка не сообщает о специализированной предметной области или поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

Gemma 2 2B IT — компактная текстовая модель Google, дообученная для следования инструкциям и диалогового взаимодействия на базе google/gemma-2-2b. Это декодерная языковая модель семейства Gemma, работающая по схеме «текст на входе — текст на выходе»; она поддерживается библиотекой Transformers и распространяется в формате Safetensors с открытыми весами по лицензии Gemma. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и диалоговых интерфейсов. Её небольшой размер позволяет запускать её на ноутбуке, настольном компьютере или собственной облачной инфраструктуре с ограниченными ресурсами. В README семейство описано как англоязычное. Ответы могут содержать фактические ошибки и отражать смещения обучающих данных; качество зависит от формулировки запроса и предоставленного контекста. Модель может испытывать трудности со сложными задачами, языковыми нюансами и здравым смыслом. Для приложений, где важны точность и безопасность, необходима проверка результатов и защитные меры.

Карточка модели stevenlearns/gemma-2-2b-it на Hugging Face совпадает с карточкой google/gemma-2-2b-it, поэтому описание составлено по ней. Gemma 2 2B IT — компактная текстовая модель Google, дообученная для следования инструкциям и диалогового взаимодействия на базе google/gemma-2-2b. Это декодерная языковая модель семейства Gemma, работающая по схеме «текст на входе — текст на выходе»; она поддерживается библиотекой Transformers и распространяется в формате Safetensors с открытыми весами по лицензии Gemma. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и диалоговых интерфейсов. Её небольшой размер позволяет запускать её на ноутбуке, настольном компьютере или собственной облачной инфраструктуре с ограниченными ресурсами. В README семейство описано как англоязычное. Ответы могут содержать фактические ошибки и отражать смещения обучающих данных; качество зависит от формулировки запроса и предоставленного контекста. Модель может испытывать трудности со сложными задачами, языковыми нюансами и здравым смыслом. Для приложений, где важны точность и безопасность, необходима проверка результатов и защитные меры.